import numpy as np
# 通过这个语句可以知道其是否存在nmpy这个包

创建数据

H = np.array([[[94,26],[11,11]],[[22,22],[23,23]],[[33,33],[33,34]]])
# 理解其中的逻辑结构然后开始运行
# 一个基础维度逻辑数据结构中包含一个一个二维数据，二维数组之后再次进行升维的数据结构
print(H)

 关于多维数组的运行结果：

[[[94 26][11 11]][[22 22][23 23]][[33 33][33 34]]]

理解其基础的逻辑结构

一个基础维度逻辑数据结构（h= np.array([])）中包含一个一个二维数据（h= np.array([[]])），二维数组之后再次进行升维的数据结构（h= np.array([[[],[]]])），“类似于一种数组的叠加状态”

这是一种基础创建数组的方式

另外一种创建数组的方法：

利用指令创建数组：

g = np.arange(1,25).reshape((2,3,4))
# 两个3*4的数组竖着堆叠
print(g)

运行结果：

[[[ 1  2  3  4][ 5  6  7  8][ 9 10 11 12]][[13 14 15 16][17 18 19 20][21 22 23 24]]]

代码解释：

前面的arrange是设定一个基础的区间，通过对于其中的区间内容进行设计，

第三种创建多维数组的方法：

利用指令创建数组：

g11 = np.random.randint(0,50,(2,2,3))
# 产生0-50之间的随机数字填充（2，2，3）数组（2个2*3的数组竖着堆叠，“也是在这里解释后面的223”）
print(g11)

运行结果：

[[[46 21  7][ 9 39 44]][[23  2 14][ 6 35  7]]]

了解数组这个基础知识点：

数组具有那些基础的属性值：

1. 具有维度（与括号息息相关，三维数组），ndim
2. 具有尺寸“尺寸”（3*2*2，三个数组，2行2列的基础数组），尺寸,shape
3. 具有元素（元素数量，数组中含有多少相关的数组），元素数量，SIZE
4. 元素所占的字节（元素所占内存的大小（字节））itemsize
5. 检查该数组的基础类型（转换元素所属的基本类型，可以将该元素转换为float等基本类型）dtype

基础的语法格式：

print(const_name.Property_name)

切片和索引：

通过特殊的语法格式我们快速索引其相关的值

aa = np.random.randint(1,100,(3,4))
print(aa)
print(aa[2][2])

提问这个print(aa[]2[2])这个关键的信息中，查询的是？

查询的是，第三行第三列的基础数字

切片：对于其中的数字进行切片：

什么是切片？

切片的语法是什么？

花式索引:
 

前情知识回顾：

什么是nmpy？

numpy是python中科学计算的基础包，它是一个python库（开发程序的子程序集合），提供多维数组对象，各种派生数组对象，如掩码数组和矩阵以及用于数组快速操作的各种例程。（来源：php中文网）

计算机计数方式是从什么数字开始的？

计算机的计数方式是从0开始的，不是从1开始进行计数的数字。